Škálovatelné algoritmy pro řešení stochastických her s omezenou částečnou pozorovatelností

Abstract

Částečně pozorovatelné stochastické hry jsou velmi obecným modelem uvažování o sekvenčním rozhodování agentů v adversariálních doménách. Každý z agentů má nejistotu ohledně stavu prostředí a také ohledně akcí ostatních agentů a informací jimi získanými. Obecnost tohoto modelu má za následek vysokou výpočetní složitost, kterou můžeme přisuzovat tomu, že agenti musí uvažovat nejen o možném stavu světa, ale také o představách ostatních agentů o světě, jejich představách o představách ostatních, atd.

Partially observable stochastic games (POSGs) represent a very general class of models that can be used to reason about sequential decision making in the presence of adversaries. In POSGs, each agent is uncertain about the state of the environment, as well as about the actions of other agents and the information they have. The cost for this generality is, however, the intractability of solving POSGs. This intractability can be attributed to the problem of nested beliefs as the players have to reason not only about their beliefs, but also about the beliefs other players have about the environment, about beliefs of other agents, and so on.